On Using Unsatisfiability for Solving Maximum Satisfiability
University of Southampton(南安普顿大学)
最大可满足性(MaxSAT)是一个众所周知的优化问题,具有多种实际应用。最广为人知的MAXSAT算法在解决实际应用领域的困难问题时是无效的。最近的工作提出了使用高效的布尔可满足性(SAT)求解器解决MaxSAT问题,识别和消除不可满足的子公式的基础上。然而,这些算法在实践中不能扩展。分析了现有的基于不可满足子式识别的MaxSAT算法。此外,本文提出了一些关键优化这些MaxSAT算法和一个新的替代算法。从实际应用来看,所提出的优化方法和新算法在MaxSAT实例上提供了显着的性能改进。此外,新一代的基于不可满足性的MaxSAT求解器的效率成为有效的索引现代SAT求解器证明不可满足性和识别不可满足子公式的能力。
2007-12-07 cs.AI cs.DS
GaloisSAT: Differentiable Boolean Satisfiability Solving via Finite Field Algebra
University of Maryland(马里兰大学);NVIDIA Research(英伟达研究院);University of Colorado Boulder(科罗拉多大学博尔德分校);University of Michigan(密歇根大学)
本文提出GaloisSAT,一种结合GPU和CPU的新型SAT求解器,利用可微SAT求解引擎和传统CDCL方法,显著提升SAT竞赛指标PAR-2性能。
2026-03-25 cs.AI cs.LO
torchmSAT: A GPU-Accelerated Approximation To The Maximum Satisfiability Problem
Brown University(布朗大学);School of Engineering(工程学院)
本文提出一种基于可微函数与神经网络反向传播的MaxSAT近似求解方法,无需训练数据或底层SAT求解器,利用GPU加速,在挑战性实例上性能优于或持平现有求解器。
2024-02-06 cs.AI
CSB: A Counting and Sampling tool for Bit-vectors
Chennai Mathematical Institute(钦奈数学研究所);Georgia Institute of Technology(佐治亚理工学院);IAI, TCG-CREST;Kolkata University of Toronto(多伦多大学加尔各答分校)
研究能否借助现代CNF模型计数器和采样器扩展SMT求解器以处理位向量的计数和采样问题,开发了工具csb,能解决多种位向量模型计数和采样问题,实验显示性能优于现有方法。
2026-07-07 cs.AI cs.LO
TurboSAT: Gradient-Guided Boolean Satisfiability Accelerated on GPU-CPU Hybrid System
NVIDIA
针对SAT求解并行度受限问题,提出TurboSAT混合求解器,将SAT表述为可微分二值矩阵乘法层,结合GPU并行可微分优化与CPU冲突驱动搜索,在基准测试上较CPU求解器实现超200倍加速。
2025-11-11 cs.AI cs.LG cs.LO
Symmetry Breaking for Maximum Satisfiability
University of Southampton(南安普顿大学);Technical University of Lisbon(里斯本理工大学);INESC-ID(葡萄牙国家系统与计算机工程研究所)
对称性是许多组合问题所固有的,包括布尔可满足性(SAT)和约束规划(CP)。在SAT中,对称破缺谓词(SBP)的识别是一种众所周知的,通常有效的解决难题的技术。SAT中SBPs的识别近年来一直是显著改进的主题,从而产生了更紧凑的SBPs和更有效的算法。SBPs的识别也被应用到伪布尔(PB)约束,表明对称破缺也可以是PB约束的有效技术。本文进一步扩展了SBPs的应用,并表明SBPs可以识别和使用在最大可满足性(MaxSAT),以及在其最知名的变体,包括部分MaxSAT,加权MaxSAT和加权部分MaxSAT。与SAT和PB一样,MaxSAT和变体的对称性破缺谓词对于代表性数量的问题域是有效的,允许解决当前最先进的MaxSAT求解器无法解决的问题实例。
2008-04-03 cs.AI cs.LO
Computing Small Unsatisfiable Cores in Satisfiability Modulo Theories
FBK-IRST(布鲁诺·凯斯勒基金会-材料与微系统研究所)
寻找SAT公式的小不可满足核的问题最近受到了广泛的关注,主要是因为它在形式化验证中的应用。然而,命题逻辑往往是不够的表达,表示许多有趣的验证问题,这可以更自然地解决的框架可满足性模理论,SMT。令人惊讶的是,在SMT中找到不可满足的核心的问题在文献中很少受到关注。在本文中,我们提出了一种新的方法来解决这个问题,称为引理提升方法。其主要思想是将SMT求解器与外部命题核心提取器相结合。SMT求解器产生在搜索期间发现的理论引理,动态地将适量的理论信息提升到布尔级别。核心提取器,然后调用原始SMT问题和理论引理的布尔抽象。这将导致一个不可满足的核心,为原来的SMT问题,一旦剩余的理论引理被删除。这种方法在概念上很有趣,在实践中有几个优点。事实上,它的实现和更新非常简单,并且它可以以即插即用的方式与每个命题核心提取器接口,以便免费受益于已经或将要提供的所有未饱和核心还原技术。我们已经评估了我们的算法与一个非常广泛的实证测试SMT-LIB基准,这证实了这种方法的有效性和潜力。
2014-01-16 cs.AI cs.LO
HordeQBF: A Modular and Massively Parallel QBF Solver
Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院);Vienna University of Technology(维也纳工业大学)
最近开发的大规模并行可满足性(SAT)求解器HordeSAT是以模块化的方式设计的,允许在其核心中集成任何基于顺序CDCL的SAT求解器。我们将基于QCDCL的量化布尔公式(QBF)求解器DepQBF集成到HordeSAT中,得到了一个大规模并行的QBF求解器--HordeQBF。在本文中,我们描述了这种整合的细节和报告的结果HordeQBF的性能的实验评估。HordeQBF在2014 QBF Gallery的硬应用实例上实现了超线性平均和中值加速。
2016-04-13 cs.AI cs.LO
Local-search techniques for propositional logic extended with cardinality constraints
我们研究了局部搜索可满足性求解器扩展的基数原子命题逻辑,也就是说,表达式,提供明确的方式来模型的基数集的约束。将基数原子添加到命题逻辑的语言中有助于对搜索问题进行建模,并且通常会导致简洁的编码。我们提出了两个“本地”本地搜索求解器的理论在扩展语言。我们还描述了技术,以减少问题的标准命题可满足性,并允许我们使用现成的SAT求解器。我们对这些方法进行了实验研究。我们的总体发现是,专门为扩展语言设计的本地求解器比依赖于SAT求解器的间接方法执行得更好。
2003-10-31 cs.AI
EduSAT: A Pedagogical Tool for Theory and Applications of Boolean Satisfiability
Vanderbilt University(范德堡大学);University of Southern California(南加州大学)
针对 SAT/SMT 教学交互工具不足的问题,本文提出 EduSAT,集成 DPLL、ROBDD 及五类 NP 完全问题抽象,经评估全部求解器达到 100% 正确率。
2023-08-15 cs.AI cs.FL cs.LO
Relaxed Survey Propagation for The Weighted Maximum Satisfiability Problem
DSO National Laboratories(DSO国家实验室);National University of Singapore(新加坡国立大学)
调查传播(SP)算法已被证明是工作良好的随机3-SAT问题的相变附近的大型实例。结果表明,SP估计边际覆盖,代表集群的解决方案。SP-y算法将SP算法推广到了最大可满足性(Max-SAT)问题,但SP算法的覆盖解释并没有推广到SP-y算法。在本文中,我们制定了放松调查传播(RSP)算法,该算法扩展了SP算法以应用于加权Max-SAT问题。我们表明,RSP有一个解释,估计边缘覆盖违反了一组条款,最小的重量。这自然概括了SP的覆盖解释。从经验上讲,我们表明RSP优于SP-y和其他最先进的Max-SAT求解器的随机Max-SAT实例。RSP在随机加权Max-SAT实例上的性能也优于最先进的加权Max-SAT求解器。
2014-01-15 cs.AI
Accelerating Floating-Point Satisfiability Solving via Gradient Normalization
针对浮点SMT求解中梯度支配导致的局部最优问题,提出GradSAT框架,将每个子句视为多任务学习任务,通过动态梯度归一化平衡梯度,结合GPU加速连续松弛与位精确局部搜索,实现稳健高效的求解。
2026-10-08 cs.AI cs.LG
Industrial-Strength Formally Certified SAT Solving
University of Southampton(南安普顿大学);University College Dublin(都柏林大学学院)
布尔可满足性(SAT)求解器现在经常用于大型工业问题的验证。然而,它们在安全关键领域(如铁路、航空电子和汽车行业)的应用需要某种形式的结果保证,因为求解器可能(有时确实)有错误。不幸的是,现代的,高度优化的SAT求解器的复杂性,使不切实际的直接形式证明其正确性的发展。本文提出了一种替代方法,其中一个不可信的,工业强度,SAT求解器插入到一个可信的,正式认证,SAT证明检查提供工业强度认证的SAT解决方案。我们的方法的主要新颖性和特点是:(一)检查器是自动提取的正式开发,(二),组合系统可以作为一个独立的可执行程序独立于任何支持定理证明,及(iii)检查器证明任何SAT求解器尊重商定的格式可满足性和不可满足性索赔。该系统的核心是一个经过认证的检查器,用于检查在Coq中正式设计和验证的不可满足性声明。我们提出了它的形式化设计和大纲的正确性证明。实际的独立检查器是从Coq开发中自动提取的。一个有代表性的一组工业基准从SAT竞赛的认证检查器的评估表明,虽然它是慢于未经认证的SAT检查器,它是显着快于认证的检查器上实现的交互式定理证明。
2009-12-17 cs.AI cs.LO
Implementing Efficient All Solutions SAT Solvers
University of Electro-Communications(电气通信大学);Kobe University(神户大学)
所有解SAT(AllSAT)是命题可满足性问题的一个变种。尽管其重要性,AllSAT与其他变体相比相对未被探索。因此,我们调查和讨论AllSAT求解器的主要技术。我们忠实地实现它们,并使用大量的实例和各种类型的求解器(包括少数几个公共软件之一)进行全面的实验。实验结果表明了该算法的特点。我们实现的求解器是公开的,以便其他研究人员可以很容易地通过修改我们的代码来开发他们的求解器,并将其与现有的方法进行比较。
2015-10-02 cs.AI cs.DS cs.LO
Certified MaxSAT Preprocessing
University of Helsinki(赫尔辛基大学);Lund University(隆德大学);University of Copenhagen(哥本哈根大学);Chalmers University of Technology(查尔姆斯理工大学)
该研究提出使用伪布尔证明日志记录认证现代MaxSAT预处理技术的正确性,结合VeriPB和CakePB工具实现端到端证明检查,确保输入与预处理后问题实例最优值相同,并在基准上验证了可行性。
2024-04-26 cs.AI
Scalable Floating-Point Satisfiability via Staged Optimization
State University of New York Korea(纽约州立大学韩国分校);Stony Brook University USA(石溪大学美国分校);State University of New York(纽约州立大学);Stony Brook University(石溪大学)
StageSAT通过阶段优化方法提升浮点可满足性求解的性能和正确性,实现更高的可扩展性和准确性。
2026-01-08 cs.AI cs.PL
Fudge: A light-weight solver for abstract argumentation based on SAT reductions
University of Koblenz-Landau(科布伦茨-兰道大学);University of Brescia(布雷西亚大学);University of Huddersfield(哈德斯菲尔德大学)
我们提出了福吉,一个抽象的论证求解器,紧密结合可满足性求解技术来解决一系列抽象的论证问题。虽然福吉使用的大多数编码都来自标准的翻译方法,但福吉使用了全新的编码来解决怀疑推理问题。优选的语义和问题WRT。理想语义学
2021-09-07 cs.AI
On the Tour Towards DPLL(MAPF) and Beyond
Czech Technical University in Prague(布拉格捷克理工大学)
我们讨论了里程碑之旅对DPLL(MAPF),多智能体路径寻找(MAPF)求解器完全集成的戴维斯-普特南-洛格曼-洛夫兰(DPLL)命题可满足性测试算法通过可满足性模理论(SMT)。MAPF的任务是在无向图中以无冲突的方式导航代理,以便每个代理最终到达其唯一的目标顶点。一次最多只能有一个代理驻留在一个顶点中。代理可以通过遍历边来瞬间移动,只要移动不会导致碰撞。最近试图解决MAPF最佳w.r.t.基于MAPF到命题可满足性(SAT)约简的费用和或完工时间已经出现。最成功的方法依赖于通过SMT范例中启发的过程为给定的MAPF实例惰性地构建命题编码。然而,在现有的方法中,SAT求解器和编码的高级构造的可满足性测试的集成相对松散。因此,该方向研究的最终目标是构建DPLL(MAPF)算法,这是一种MAPF求解器,其中编码的构建与底层SAT求解器完全集成。我们讨论了当前最先进的MAPF解决方案和需要做什么步骤,以获得DPLL(MAPF)。DPLL(MAPF)的优点,在其潜在的交替参数化与MAPF $^R$,一个理论的连续MAPF的几何代理,也进行了讨论。
2019-07-11 cs.AI cs.MA
System ASPMT2SMT:Computing ASPMT Theories by SMT Solvers
School of Computing, Informatics, and Decision Systems Engineering(计算、信息与决策系统工程学院);Arizona State University(亚利桑那州立大学)
本研究提出实现ASPMT紧片段到SMT转换的编译器aspsmt2smt,结合gringo部分基化与z3求解变量,可有效处理实数计算以支持连续变化推理。
2025-06-12 cs.AI cs.LO
Satisfiability Modulo Theory Meets Inductive Logic Programming
The University of Edinburgh(爱丁堡大学)
本文提出一种模块化的SMT-ILP架构,结合PyGol与Z3,通过整合可满足性模理论增强归纳逻辑编程在数值约束推理中的能力。
2025-12-15 cs.AI
Proving the Incompatibility of Efficiency and Strategyproofness via SMT Solving
Technische Universität München(慕尼黑工业大学)
当聚合多个代理的偏好时,两个重要的要求是结果应该是经济有效的,并且聚合机制不应该是可操纵的。在本文中,我们提供了一个全面的不可能使用这两个条件的随机聚集机制的计算机辅助证明。更确切地说,我们表明,每一个有效的聚合机制,可以操纵所有预期的效用表示的代理人的喜好。这解决了一个开放的问题,并加强了一些现有的定理,包括声明中所示的特殊领域的分配。我们的证明是通过制定索赔作为一个可满足性问题的谓词从实值算术,然后检查使用SMT(可满足性模理论)求解器。为了验证结果的正确性,SMT求解器返回的最小不可满足约束集被翻译回高阶逻辑中的证明,该证明由交互式定理证明器自动验证。据我们所知,这是SMT求解器在计算社会选择中的首次应用。
2017-09-06 cs.AI cs.GT cs.LO
Learning a SAT Solver from Single-Bit Supervision
Stanford University(斯坦福大学);Microsoft Research(微软研究院)
我们提出了NeuroSAT,一个消息传递神经网络,学习解决SAT问题后,只被训练为一个分类器,以预测可满足性。虽然它与最先进的SAT求解器没有竞争力,但NeuroSAT可以通过简单地运行更多的迭代来解决比训练过程中看到的更大、更困难的问题。此外,NeuroSAT还可以推广到新的分布;在仅对随机SAT问题进行训练后,在测试时,它可以解决SAT问题编码图着色,团检测,支配集和顶点覆盖问题,所有这些都是在小随机图上的分布范围内。
2019-03-12 cs.AI cs.LG cs.LO
Solving MaxSAT by Successive Calls to a SAT Solver
Cairo University(开罗大学)
最大可满足性(MaxSAT)问题是在合取范式(CNF)中找到使给定布尔公式的满足子句的数目最大化的真值分配的问题。近年来,MaxSAT的许多精确求解器已经开发出来,其中许多都在著名的SAT会议上发表。MaxSAT的算法一般分为两类:(1)分支定界算法和(2)连续调用SAT求解器的算法(基于SAT的),在实际问题中,基于SAT的算法被证明是更有效的。本文提供了一个实验研究,以比较最近的SAT为基础的分支定界算法的MaxSAT评估基准的性能。
2016-03-11 cs.AI cs.CC cs.LO
Neurosymbolic Language Reasoning as Satisfiability Modulo Theory
Seoul National University(首尔国立大学);U. Mass. Amherst(马萨诸塞大学阿姆赫斯特分校);Microsoft(微软公司)
Logitext通过结合LLM和SMT求解,实现自然语言与逻辑推理的联合处理,提升内容审核和法律任务的准确性和覆盖性。
2026-02-20 cs.AI
Speeding up SAT solver by exploring CNF symmetries : Revisited
在过去的几年里,布尔可满足性求解器通过考虑对称性在性能和可扩展性方面取得了巨大的进步。已经表明,通过使用图对称性和生成对称性破缺谓词(SBP),有可能破缺合取范式(CNF)中的对称性。SBPs在不影响CNF公式的可满足性的情况下,将搜索空间缩减到空间的非对称区域。通过将公式表示为图,找到图对称性并使用某种对称性提取机制(Crawford等人)来创建对称性破缺谓词。在本文中,我们采取一个非平凡的CNF,并探讨其对称性。最后,我们生成SBPs并将其添加到CNF中,我们展示了它如何帮助修剪搜索树,以便SAT求解器花费较短的时间。在这里,我们提出了从头开始的搜索树的修剪过程,从CNF和它的图形表示。当我们通过一个重要的例子来探索整个机制时,它很容易理解。我们还提出了一种新的概念,即在CNF中产生对称性破缺谓词,而不是从Crawford条件导出。最后,我们提出了一个回溯SAT求解器与内置SBP发生器。
2011-02-01 cs.AI math.CO
Estimating the Density of States of Boolean Satisfiability Problems on Classical and Quantum Computing Platforms
United Technologies Research Center(联合技术研究中心);SRI International(SRI国际)
给定合取范式(CNF)中的布尔公式$ϕ(x)$,对于$e$的所有值,状态密度计算恰好违反$e$子句的变量赋值的数量。因此,状态密度是所有可能分配上未满足子句数量的直方图。该计算概括了最大可满足性(MAX-SAT)和模型计数问题,不仅提供了对整个解空间的洞察,而且还产生了对问题实例的\emph{hardness}的测量。因此,在现实世界的场景中,即使使用最先进的算法,这个问题通常也是不可行的。虽然找到一个确切的答案,这个问题是一个计算密集型的任务,我们提出了一种新的方法来估计密度的状态的基础上的浓度测量不等式。该方法导致二次无约束二进制优化(QUBO),这是特别适合量子退火为基础的解决方案。我们提出了整体的方法和比较结果从D波量子退火对最著名的经典算法,如Hamze-de Freitas-Selby(HFS)算法和可满足性模理论(SMT)求解器。
2019-10-29 cs.AI cs.DM cs.LO
Restart Strategy Selection using Machine Learning Techniques
重启策略是影响冲突驱动的Davis Putnam风格SAT求解器性能的重要因素。为问题实例选择好的重新启动策略可以提高求解器的性能。受最近成功应用机器学习技术来预测SAT求解器的运行时间的启发,我们提出了一种方法,该方法使用机器学习通过智能选择重新启动策略来提高求解器的性能。基于易于计算的特征,我们训练可满足性分类器和运行时模型。我们使用这些模型来选择重启策略。我们目前的实验结果比较这种技术与最常用的重新启动策略。我们的研究结果表明,机器学习是有效的,在提高求解器的性能。
2009-07-29 cs.AI
Learning Chordal Markov Networks by Constraint Satisfaction
University of Helsinki(赫尔辛基大学);Aalto University(阿尔托大学);Helsinki Institute of Information Technology(赫尔辛基信息技术研究所);Griffith University(格里菲斯大学);Åbo Akademi University(奥布学术大学)
我们研究了从数据中学习马尔可夫网络结构的问题。结果表明,这种网络的结构可以描述的约束条件,使使用现有的求解器技术与优化能力,计算最佳的网络从初始分数计算的数据。为了实现有效的编码,我们开发了一种新的马尔可夫网络结构的特征,使用平衡条件的分离器之间的集团形成的网络。由此产生的翻译成命题可满足性及其扩展,如最大可满足性,可满足性模理论,和答案集编程,使我们能够证明最佳的某些网络结构,以前已经发现的随机搜索。
2013-10-03 cs.AI
DistMS: A Non-Portfolio Distributed Solver for Maximum Satisfiability
INESC-ID;Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等技术学院)
最成功的并行SAT和MaxSAT求解器遵循组合方法,其中每个线程应用不同的算法(或不同配置的相同算法)来解决给定的问题实例。构建投资组合的主要目标是使每个线程执行的搜索过程多样化。只要一个线程完成,就可以认为实例已解决。在本文中,我们提出了一个新的开源分布式求解器的MaxSAT解决,解决了两个常见的问题,在多核并行求解器,即内存争用和可扩展性。初步结果表明,我们的非投资组合分布式MaxSAT求解器优于其顺序版本,并能够解决更多的情况下,进程的数量增加。
2015-05-10 cs.AI cs.LO
Polsat: A Portfolio LTL Satisfiability Solver
在本文中,我们提出了一个投资组合LTL可满足性求解器,称为Polsat。为了实现LTL公式的快速可满足性检查,该工具集成了四个代表性的LTL求解器:pltl,TRP++,NuSMV和Aalta。Polsat的思想是并行运行组件求解器以获得最佳的整体性能;一旦其中一个求解器终止,它将停止所有其他求解器。值得注意的是,Polsat求解器利用了现代多核计算集群的强大功能。实验结果表明,Polsat充分利用了LTL求解器的优势,同时也是所有LTL求解器的测试平台。
2013-11-07 cs.LO
SATfeatPy -- A Python-based Feature Extraction System for Satisfiability
Insight Centre for Data Science and Analytics(洞察数据科学与分析中心);University College Cork(科克大学学院);SFI Centre for Research Training in AI(SFI人工智能研究培训中心);School of Computer Science & IT(计算机科学与信息技术学院)
特征提取是应用机器学习方法求解可满足性问题的一项基本任务。它用于求解器组合和可满足性分类的算法选择和配置。已经提出了许多方法从CNF实例中提取有意义的属性。其中大多数缺乏工作/更新的实施,有限的描述缺乏清晰度,影响了再现性。此外,文献中没有对这些特征进行比较。本文介绍了SATfeatPy,一个库,提供特征提取技术的SAT问题的CNF形式。该软件包提供了该领域主要论文的所有结构和统计功能的实现。该库以最新的、易于使用的Python包的形式提供,并附有详细的功能描述。我们展示了SAT/UNSAT和问题类别分类的高准确性,使用我们的库从3000个SAT和UNSAT实例的数据集生成的五组功能,超过十个不同类别的问题。最后,我们比较的有用性的功能和重要性预测SAT实例的原始结构中的消融研究。
2022-04-29 cs.AI
MCP-Solver: Integrating Language Models with Constraint Programming Systems
TU Wien(维也纳技术大学)
MCP-Solver通过MCP协议将大型语言模型与符号求解器集成,提供Minizinc、PySAT和Python Z3接口,并采用编辑与迭代验证方法确保模型一致性,从而弥补LLMs在形式化求解与推理上的缺陷。
2025-04-06 cs.AI cs.CL cs.LG
The Configurable SAT Solver Challenge (CSSC)
University of Freiburg(弗莱堡大学);University of Ulm(乌尔姆大学);University of British Columbia(不列颠哥伦比亚大学)
众所周知,不同的解决策略适用于不同类型的组合难题。因此,大多数命题可满足性问题(SAT)的求解器都暴露了参数,这些参数允许它们针对特定的实例族进行自定义。在国际SAT竞赛系列中,这些参数被忽略:求解器使用给定轨道中所有基准实例的单个默认参数设置(由作者提供)运行。虽然这种竞赛形式奖励具有鲁棒默认设置的求解器,但它并不反映仅关心一个特定应用程序上的性能并且可以投入一些时间来调整该应用程序的求解器参数的从业者所面临的情况。新的可配置SAT求解器竞赛(CSSC)比较了后一种设置中的求解器,通过完全自动化配置步骤后实现的性能对每个求解器进行评分。本文更详细地描述了CSSC,并报告了迄今为止在CSSC 2013和2014两个实例中获得的结果。
2016-08-02 cs.AI cs.LG
Goal-Aware Neural SAT Solver
Institute of Mathematics;Computer Science University of Latvia
现代神经网络获取有关问题的信息,并仅根据输入值计算输出。我们认为,它并不总是最优的,网络的性能可以显着提高,通过增加一个查询机制,允许网络在运行时间,使几个解决方案的试验,并得到反馈的损失值在每次试验。为了证明查询机制的能力,我们制定了一个无监督的(不依赖于标签)损失函数的布尔可满足性问题(SAT),并从理论上表明,它允许网络提取丰富的信息的问题。然后,我们提出了一个神经SAT求解器与查询机制称为QuerySAT,并表明它优于广泛的SAT任务的神经基线。
2022-05-30 cs.AI cs.LG
Fast LTL Satisfiability Checking by SAT Solvers
线性时态逻辑(LTL)的可满足性检查是检查LTL断言中可能错误的基本步骤。现存的LTL可满足性检查器使用各种不同的搜索过程。唯一的例外是基于有界模型检验的LTL可满足性检验,它没有提供一个完整的决策过程,LTL可满足性检验器没有利用过去20年在布尔可满足性求解方面取得的显著进展。在本文中,我们提出了一个新的LTL可满足性检查框架,加速使用布尔SAT求解器。我们的方法是基于变体的\emph{obligation-set method},我们提出了在早期的工作。我们在这里描述了允许使用布尔SAT求解器来分析给定LTL公式的义务的算法。实验评估表明,新的方法提供了一个显着的性能优势。
2014-04-29 cs.DS cs.LO
Computing Tropical Prevarieties with Satisfiability Modulo Theories (SMT) Solvers
一种新的方法,使用SMT(可满足性模理论)求解器来计算热带前变(分别)。平衡)的多项式系统。新的方法是基准对一个天真的方法,使用纯粹的多面体的方法。事实证明,SMT方法比多面体方法更快,否则需要一分钟以上的计算时间,在许多情况下是60倍或更多,在最坏的情况下只是慢了两倍。此外,新的方法是一个随时算法,从而提供了一种方法来计算部分的解决方案时,多面体的方法是不可行的。
2020-06-26 cs.CG cs.LO
SAT-based Explicit LTLf Satisfiability Checking
我们在这里提出了一个基于SAT的框架LTLf(有限迹上的线性时态逻辑)可满足性检查。我们使用命题SAT解决技术来构建一个过渡系统的输入LTLf公式,可满足性检查,然后减少到一个路径搜索问题,在这个过渡系统。此外,我们引入CDLSC(可满足性检查驱动的LTLf),一种新的算法,利用命题SAT求解器从满足性和不满足性结果产生的信息。实验评估表明,CDLSC优于所有其他现有的方法LTLf可满足性检查,通过展示一个近似四倍的加速比第二最好的求解器。
2018-11-07 cs.LO
Solving Fuzzy Satisfiability via Mixed-Integer Non-Linear Programming
Universidad Nacional de Río Cuarto(里奥夸尔托国立大学);CONICET(阿根廷国家科学研究委员会)
本文提出SATFuL,一种用于模糊逻辑的可满足性求解器,利用MINLP求解器处理模糊公式,支持多种模糊逻辑变体,性能优于现有产品逻辑求解器。
2026-08-31 cs.LO
Implicant based parallel all solution solver for Boolean satisfiability
本文发展了一种并行计算求解器,用于计算由多元布尔函数定义的布尔方程组的所有满意赋值。虽然有我们已知的CNF形式的布尔公式的可满足性的求解器,但这些主要是为了确定公式的可满足性而设计的,并且没有解决找到所有满意解的问题。而可满足性问题的并行求解器的开发仍然是计算机科学尚未完成的课题。本文提出的求解器旨在用并行算法表示布尔公式的所有解,即使没有CNF形式。将所提出的算法应用于布尔函数的代数范式(ANF)。该算法的基本思想是用布尔函数的一组完整的蕴涵式来表示满足的赋值,这些蕴涵式作为布尔公式的因子。该算法主要在公式的因子稀疏(即具有变量总数的一小部分)的情况下有效。这允许一次一个地计算单个因子的一组完整的蕴涵式,并在每一步减少公式。本文还提出了一个求ANF中函数正交蕴涵的完备集的算法。该算法的一个优点是所有的解都可以用蕴涵式来表示。最后,由于在每一步的小和分布式计算,以及在独立的线程计算,本文提出的求解器预计将是有用的开发一个良好的可扩展性的并行求解器的大规模问题的布尔可满足性在大量的处理器。
2017-02-06 cs.DS cs.LO
Variable and clause elimination for LTL satisfiability checking
研究了LTL公式子句范式的预处理技术。应用标记子句的机制,使我们能够重新解释LTL可满足性作为一组纯粹的命题问题,从而转移简化思想从SAT到LTL。我们证明了这一点,适应变量和子句消除,现代SAT求解器使用的一个非常有效的预处理技术。我们的实验证实,即使在时间设置的公式大小和随后的求解器运行时间的减少,可以实现大幅减少。
2013-09-30 cs.LO
Horn Maximum Satisfiability: Reductions, Algorithms & Applications
近年来,最大可满足性(MaxSAT)求解器的性能有了显着的改善。在实践中,MaxSAT算法往往针对最通用的MaxSAT公式,而专门的求解器,解决特定的子类MaxSAT,还没有调查。本文表明,范围广泛的优化和决策问题,自然制定的MaxSAT在霍恩公式,或允许简单的编码使用霍恩MaxSAT。此外,本文还展示了如何线性时间决策程序霍恩公式可以用于开发新的算法的霍恩MaxSAT问题。
2017-05-15 cs.LO
Efficient Generation of Craig Interpolants in Satisfiability Modulo Theories
计算克雷格插值的问题最近受到了很大的关注。在本文中,我们解决了一阶逻辑,这是服从有效的决策程序,称为满意度模理论求解器的一些重要片段的插值的有效生成的问题。我们做出以下贡献。首先,我们提供插值程序的几个基本理论的兴趣:理论的线性算术的有理数,差分逻辑的有理数和整数,UTVPI的有理数和整数。其次,我们定义了一种新的方法来插值的理论组合,适用于延迟理论组合方法。所提出的插值算法扩展了可满足性模理论的现有算法,从而保证了效率。我们的实验评估表明,MathSAT SMT求解器可以产生插值与较小的开销在搜索中,更有效地比其他竞争对手的求解器。
2009-06-24 cs.LO
Phase Selection Heuristics for Satisfiability Solvers
一般来说,基于冲突驱动DPLL的SAT Solver包括变量选择、相位选择、布尔约束传播、冲突分析、子句学习和数据库维护。优化这些组件的任何部分都可以提高求解器的性能。本文主要研究相位选择的优化问题。虽然ACE(组合先行评估的近似)权重被应用于诸如March的先行SAT求解器,但是到目前为止,没有冲突驱动的SAT求解器成功地应用ACE权重,因为计算ACE权重是耗时的。在这里,我们将ACE权重应用于冲突驱动的SAT求解器的部分相位选择。这可以看作是对Jeroslow-Wang(1990)提出的启发式的改进。我们将ACE启发式和现有的阶段选择算法在新的求解器MPhaseSAT,并选择一个阶段启发式的方式类似于投资组合方法。实验结果表明,加入ACE启发式可以提高冲突驱动求解器。特别是在应用程序实例上,具有ACE启发式的MPhaseSAT明显优于没有ACE启发式的MPhaseSAT,甚至可以解决一些至今仍无法解决的SAT实例。
2011-06-07 cs.DM cs.LO
Inductive Satisfiability Certification for Universal Quantifiers and Uninterpreted Function Symbols
Institute of Computer Science, The Czech Academy of Sciences(捷克科学院计算机研究所);Faculty of Information Technology, Czech Technical University in Prague(布拉格捷克理工大学信息技术学院);Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague(布拉格捷克理工大学信息学、机器人学与控制论捷克研究所)
本文提出通过归纳论证认证全称量词和未解释函数符号可满足性的方法,应用于线性整数算术,证明了当前SMT求解器无法处理的公式可满足性。
2026-02-18 cs.LO
Verification of Provers and Solvers
University of Innsbruck(因斯布鲁克大学)
介绍自动推导工具与证明助手的连接方法,通过认证和验证等方式,回顾比较现有方法并提及成功应用。
2026-07-29 cs.LO cs.SC
Second-Order Propositional Satisfiability
从根本上说,每个静态程序分析器都是通过提供候选解决方案的算法和候选验证技术的组合来搜索证明。从本质上讲,启发式将二阶问题简化为一阶/命题问题,而验证通常只是对SAT/SMT求解器的调用。这导致了这种分析的整体设计,将问题的制定与解决过程混为一谈。因此,后者的任何变化都会导致整个分析的变化。这种设计是由求解器技术的最新发展水平决定的。虽然SAT/SMT求解器已经取得了巨大的进步,但几乎没有任何二阶求解器。本文采取了一个步骤来解决这种情况,提出了一个可判定的片段的二阶逻辑,仍然是足够的表达,以捕捉众多的程序分析问题(如安全证明,错误发现,终止和非终止证明,超优化)。我们把这个片段的可满足性问题称为二阶SAT,并证明它是NEXPTIME完全的。最后,我们建立了一个基于程序合成的二阶SAT的决策过程,并提出了实验证据表明,我们的方法是易于处理的程序分析问题。
2015-01-17 cs.LO
SAT-based Explicit LTL Reasoning
我们提出了一个新的显式推理框架的线性时序逻辑(LTL),这是建立在命题可满足性(SAT)解决。作为这个框架的概念验证,我们描述了一个新的LTL可满足性工具,Aalta\_v2.0,这是建立在MiniSAT SAT求解器。我们测试这种方法的有效性,证明Aalta_v2.0显着优于所有现有的LTL可满足性求解器。此外,我们表明,该框架可以扩展到命题LTL断言LTL(我们允许理论原子),通过用Z3 SMT求解器替换MiniSAT,并证明这可以产生指数级的性能改善。
2015-12-04 cs.LO
parSAT: Parallel Solving of Floating-Point Satisfiability
University of Applied Sciences Munich HM(慕尼黑应用技术大学);TASKING Germany GmbH(塔斯金德国有限公司)
本文提出parSAT方法,通过将浮点可满足性问题重新形式化并结合全局优化与多核并行执行,构建面向浮点算术的组合式半决策过程,以补充传统SMT求解器在非线性浮点约束求解中的不足。
2025-09-16 cs.LO
Abstract Solvers for Computing Cautious Consequences of ASP programs
University of Calabria(卡拉布里亚大学);University of Genoa(热那亚大学);dibris.unige.it(dibris.unige.it(此处为邮箱域名,非机构名,按要求不应提取,实际应为前两个大学))
抽象求解器是一种形式化分析算法的方法,这些算法已被有效地用于描述、比较和组合各种领域的求解技术,例如命题可满足性(SAT)、量化SAT、可满足性模理论、答案集编程(ASP)和约束ASP。在本文中,我们设计,实现和测试新的谨慎推理任务的抽象解决方案,在ASP。我们展示了如何改进目前的抽象求解器谨慎推理ASP借用新技术在SAT骨干计算,以设计新的求解算法。通过这样做,我们也正式表明,在ASP中解决谨慎推理任务的算法是密切相关的计算布尔公式的骨干。我们实现了一些新的解决方案,在ASP求解器WASP,并表明他们的性能是比较先进的解决方案的基准问题,从过去的ASP比赛。正在考虑接受TPLP。
2019-07-22 cs.AI cs.LO
Satisfiability and Synthesis Modulo Oracles
University of Edinburgh(爱丁堡大学);UC Berkeley(加州大学伯克利分校);University of Iowa(爱荷华大学)
在经典的程序合成算法中,例如反例引导归纳合成(CEGIS),算法在合成阶段和预言(验证)阶段之间交替。许多合成算法使用基于可满足性模理论(SMT)求解器的白盒预言机来提供反例。但是,如果白盒Oracle不可用或不容易使用,该怎么办?我们提出了一个框架来解决一般类的预言指导的合成问题,我们长期合成模预言。在这种情况下,预言机可以是黑盒子,具有由合成问题定义的查询-响应接口。作为该框架的一个必要组成部分,我们还形式化了可满足性模理论和预言机问题,并提出了一个算法来解决这个问题。我们实现了一个原型求解器的可满足性和合成模神谕,并证明,通过使用神谕执行功能不容易建模SMT约束,如递归函数或神谕,将编译和执行的代码,SMTO和SyMO能够解决超出标准SMT和合成求解器的能力的问题。
2021-07-28 cs.LG cs.LO cs.PL
Satisfiability-Based Methods for Reactive Synthesis from Safety Specifications
现有的方法来综合反应式系统的声明性规范主要依赖于二进制决策图(BDD),继承其可扩展性问题。我们提出了新的算法的安全规范,使用决策程序的命题公式(SAT求解器),量化布尔公式(QBF求解器),或有效的命题逻辑(EPR)。我们的算法是基于查询学习,模板,减少EPR,QBF认证,插值。并行化结合了多个算法。我们的优化扩展量词,并利用不可达的状态和变量的独立性。我们的方法优于一个简单的BDD为基础的工具,是一个高度优化的竞争力。它在SyntComp竞赛中获得了两枚奖牌。
2016-04-21 cs.LO
Neuro Symbolic Reasoning for Planning: Counterexample Guided Inductive Synthesis using Large Language Models and Satisfiability Solving
Florida International University(佛罗里达国际大学);SRI International(SRI国际(斯坦福国际研究院));United States Military Academy(美国军事学院(西点军校));University of Colorado Boulder(科罗拉多大学博尔德分校);University of Central Florida(中佛罗里达大学);Vanderbilt University(范德堡大学)
本文提出 LLM 与 SMT 求解器迭代交互的神经符号框架,通过反例反馈修正规划综合结果,并在积木规划任务中验证其可生成可证明正确的解。
2023-09-28 cs.AI cs.LO
Satisfiability Modulo Theories for Verifying MILP Certificates
Davidson College(戴维森学院);Duke University(杜克大学);Amherst College(阿默斯特学院)
针对MILP求解器结果正确性问题,提出基于SMT-LIB的VIPR证书验证方法,通过编码推理规则并使用Why3框架形式化验证,实现了求解器无关的证书检查。
2025-10-12 cs.LO
On the Computational Complexity of Satisfiability Solving for String Theories
可满足性求解器在软件验证中发挥着越来越重要的作用,特别是在安全漏洞分析中的有效使用。字符串处理是许多软件应用程序(如浏览器和Web服务器)的关键部分。这些应用程序容易受到通过网络接收的恶意数据的攻击。因此,用于分析此类应用程序安全性的自动化工具需要对字符串进行推理。出于效率的原因,最好有一个将字符串视为第一类类型的求解器。在本文中,我们提出了一些理论的字符串,是有用的软件安全的背景下,并分析了计算复杂性的理论。我们使用这种复杂性分析,激发字节爆炸的方法,采用布尔编码的字符串约束相应的布尔可满足性问题。
2009-03-16 cs.CC cs.LO cs.PL